王世轶，祁 勇，潘永剑，李正杰，黄 慧

（1.上海市网络技术综合应用研究所，上海 200233；2.绍兴市轨道交通集团有限公司运营分公司，浙江绍兴 312000；3.南宁轨道交通集团有限责任公司运营分公司，广西 南宁 530029；4.南宁轨道交通集团有限责任公司，广西 南宁 530029）

如今，地铁作为大多数中大型城市的重要交通方式之一，在城市中扮演着基础设施的关键角色，为人们的工作生活和社会生产提供必要的基础交通服务。自改革开放以来，随着国民经济的快速发展，不断地推动着城市化的进程，随之而来的是城市人口及规模的不断增加，居民日常出行和物流等需求日趋频繁，给城市地面交通带来了严峻的考验。因而，在当前我国城市现代化、工业化的飞速发展进程中，有着不占用地面交通资源、运能大、污染少、速度快等特点的地铁交通方式，正在大中型城市交通建设中备受青睐，并成为解决城市交通问题的重要选择。但是与发达国家相比，我国地铁建设发展起步较晚，建设还不是非常完善。另外，在国民经济“十四五”计划发展纲要中，我国已明确把“发展地铁交通”作为重要组成部分，并作为拉动国民经济持续发展的重大战略之一。

1 车厢拥挤度智能监测系统概述

1.1 系统建设的必要性

近年来，我国轨道交通行业发展迅速，安全、便捷的地铁已成为民众通勤出行最受欢迎的交通工具之一。在地铁运输乘客过程中，不可避免地存在车厢人员严重拥挤的现象，易造成乘客准时上下车困难，同时由于车厢客流量大及拥挤程度高等因素，也容易成为影响地铁运营安全的关键问题。另外，在地铁列车运行过程中，车厢中乘客拥挤程度成为影响地铁运营安全及乘客舒适的重要因素[1-4]。所以收集和告知乘客车厢人员负载的分布信息，成为一种提高乘客服务质量、减少安全隐患的重要手段。以乘客服务为中心，不断提高乘客的舒适度，也是地铁运营精细化管理的追求。

1.2 系统架构设计

综合评估地铁运营社会、经济效益及技术可行性等需求，本着“技术领先、功能完善”原则，设计开发了车厢拥挤度智能监测系统（以下简称“监测系统”），主要包括安全控制、拥挤度计算、车厢监控视频提取、数据整合、图像识别与分析及数据存储服务等多个模块，系统架构设计如图1 所示。

图1 系统架构设计

监测系统采用人工智能、大数据分析等技术，利用现有的PIS 系统（乘客信息系统）提供的车厢监控信息，实时分析各线路列车的车厢乘客分布状态，计算出每节车厢的拥挤度数据，再通过PIS 系统和官方APP 进行集成，并显示在官方APP 界面和PIS 导乘屏幕中，相关站台工作人员及候车乘客可实时获取各车厢拥挤度情况，候车乘客可根据自己的车厢拥挤状态期望，按需到拥挤程度较低的屏蔽门处排队候车，一方面提升了车站工作人员的疏导工作效率，另一方面对车站运营中的工作效率及秩序、乘客安全、服务质量等方面提供了必要的保障。

下面针对监测系统关键模块功能及主要实现原理进行介绍。

1）车厢监控视频提取模块

该模块部署在应用服务器上，负责提取车厢中的监控视频图像，并将图像提交给AI 服务器进行图像识别和分析。在处理能力方面，模块能够实现30辆车同时上线，按每辆车6节车厢，每车厢安装3个摄像头计算，要求每次取一辆列车6节车厢的所有摄像头视频图像耗时不超过5 s，车厢监控视频提取模块如图2 所示。

图2 车厢监控视频提取模块

2）图像识别与分析模块

该模块是部署在AI 服务器上的图像识别与分析软件（AI 引擎），是整个系统中一个独立的模块，可以为外部模块提供图像识别与分析服务[5-7]。该模块可根据提交者提交的图像信息，准确识别图像中的人数并将识别到的人数结果返回给提交者，图像识别与分析模块如图3 所示。

图3 图像识别与分析模块

3）手机终端H5 模块

该模块负责将拥挤度数据展示在手机APP 终端，通过HTML5 方式展示，并嵌入到轨道交通官方APP 中，负责与APP 对接、功能展示以及数据拉取等功能，具体如图4 所示。当用户进入APP 首页后，点击“拥挤查询”按钮，进入最近的地铁线路，在线路中标明各个站点，以及正在运行中的车辆位置[8-9]。点击其中某个站点进入详情页，在详情页展示即将到达该站的列车到站时间和列车拥挤度。

图4 手机终端H5模块图

4）云端数据接口服务模块

该服务模块部署在云端的两台云服务器上，负责接收应用服务器发送过来的拥挤度相关数据，并向APP 终端H5 页面提供数据调用接口服务；两台云服务器采用高可用、互备部署模式。数据服务器采用Socket 方式向两台云服务器的任意一台发送列车拥挤度数据，云服务器在接收数据后，将数据保存在数据库中，同时数据会同步到另一台云服务器中的数据库中，具体如图5 所示。系统同时提供拥挤度查询调用接口，当前端H5 调用拥挤度接口时，将线路站点数据、列车车厢拥挤度数据以JSON 的形式返回给前端[10-11]。

图5 云端数据接口服务模块图

5）数据整合服务模块

在PIS 网络中心机房部署PIS 中心服务器，定时将收到的ATS 数据和车辆载重数据转发给应用服务器。应用服务器上的数据整合服务模块在接收到这些数据后，解析数据包，从中提取有用的数据，如车辆即将到站站点ID、站台ID、到站时间和离站时间、车厢重量等数据，将这些数据写入数据库中，并将拥挤度数据发送给PIS 中心服务器，具体如图6 所示。如车厢中的摄像头因故障等原因，无法提取摄像头图像导致拥挤度计算失效，则启用车辆载重信息换算成拥挤度。

图6 数据整合服务模块图

6）拥挤度计算模块

部署在应用服务器上的拥挤度计算模块，每次将图片POST 提交给AI 服务器的图像识别与分析模块并返回识别该图像中的人数，然后根据拥挤度与识别的人数对应关系分析得出拥挤度结果。拥挤度结果如表1 所示。

表1 拥挤度结果表

2 监测系统实际应用

通过市轨交交通1 号线为例来说明监测系统在轨道交通中的实际应用情况，并验证监测系统关于车厢拥挤度问题的实际效果。

2.1 项目概况

该实例依托已投入运营的市轨道交通1 号线开展。1 号线为轨道交通骨干线，全长32.1 km，全线共设车站25 座、主变电所两个、停车场和车辆段各一个、OCC 为线网共用。1 号线概算总投资约为200 亿元，全线于2016 年12 月开通试运营，1 号线车辆采用B 型车，初、近、远期均采用6 辆编组，初期配属车辆为30 列/180 辆。

2.2 网络架构设计

该系统所包含的主要软硬件系统部署如图7 所示，在信号机房部署人工智能分析服务器、公网数据服务器、API 服务器、数据库服务器等，以及在互联网部署API云端服务器等设备；网络安全方面，在关键网络边界处部署下一代防火墙，通过配置严格的安全策略来实现各网络间访问安全；同时启用入侵防御、防病毒等功能，实时监测网络中异常攻击行为并进行告警与防御，最大程度上保障监测系统安全[12-13]。

图7 软硬件系统部署

2.3 技术特点

监测系统通过现有的PIS 通道，实时获取PIS 车载系统车厢中的摄像头监控视频，依靠强大的AI 算力，对获取的图像进行快速分析处理，并将实时拥挤度数据推送给站台PIS 导乘屏和手机APP。无论是在PIS 导乘屏上显示的拥挤度信息，还是在APP 终端显示的拥挤度信息，对数据信息的准确、即时性均有很高的要求。依托ATS 实时数据更新策略和AI 强大算力，在列车上一站离站发车10 s 后开始获取该列车各车厢摄像头视频图像，经过数据分析整合，然后到拥挤度数据实时显示在PIS 导乘屏和APP 终端，加上网络耗时，整个过程可在1 min 内完成。而站台PIS 导乘屏和手机APP 终端都采用了即时更新策略，保证了乘客无论是在站台PIS 屏，还是手机APP 终端，都可以在短时间内获取到最近到站列车和车厢拥挤度信息，保证了数据分析的及时性和准确性。监测系统涉及的主要技术特点如下：

1）强大的AI 算力

系统配备了多台AI 服务器、应用服务器及数据服务器，可同时处理上百路摄像头视频，毫秒级采集和自动分析多种数据源，通过AI 算法对车厢监控画面进行实时提取、分析处理，对每节车厢内实际载客数量进行自动计算，并结合ATS 数据中的车辆位置信息，分析计算得出每个即将到站列车的实时车厢拥挤情况[14-15]。同时读取每节车厢载重数据再次计算，对拥挤度数据进行修正，从而最大程度上保障拥挤度数据的准确可靠。

2）精准的图像识别能力

市轨道交通1 号线列车车厢主要采用鱼眼球面摄像头对车厢内部情况进行监控，摄像机所拍摄的监控画面和正常摄像头拍摄的画面不一样，画面中呈现的人体形态千姿百态，经过大量的样本图片分析，最终训练出识别率高的AI 模型[16]。目前除了正常图像识别外，还可以识别球面摄像头中的低清晰度、不规则人体形态图像，能对车厢拥挤程度进行准确判定。

3）多系统整合能力

监测系统与1 号线PIS 内部系统整合，数据对接传输均采用以太网接口形式。因仅对监控视频进行抓图处理，所以对PIS 系统本身网络带宽影响很小。同时，监测系统还与市轨道交通APP 深度融合，采用了云端数据存储和处理，以API 的形式将拥挤度数据提供给APP 系统，保证数据的安全和可靠性。

另外，通过与信号ATS 系统数据深度融合，根据ATS 提供的准确可靠的列车到站和离站时间，除了在站台PIS 屏上和APP 终端显示拥挤度信息外，还能将ATS 实时到站信息推送给手机APP 终端，乘客在进站之前就能通过手机APP 获取准确的列车到站时间和可靠的拥挤度信息。

2.4 技术难点

在监测系统上线前进行了大量的前期准备工作，系统将借助车载列车PIS 车载视频监控设备对每一节车厢的实时环境图像进行采集并截取，通过AI算法对图像中的人物头部、身体特征进一步分析，以获得准确的车厢人数信息。同时，为保障拥挤度数据的准确性，系统也以PIS 的数据传输网络作为通道，收集车辆的乘客载重信息（即车内乘客的总重量）作为辅助信息，用于修正AI 算法产生的数据偏差，以确保拥挤度数据的准确性。

在监测系统实现过程中，主要针对异形图像的识别处理进行研发并形成了突破。地铁列车车厢内部主要采用广角鱼眼摄像头进行监控，因此在镜头边缘会出现视频图像异样的情况，系统需要针对不同拍摄角度（摄像头安装角度差异）、不同视频图像清晰度等情况进行处理分析，结合车辆载重数据的辅助计算，最终得出车厢的拥挤程度，如图8 所示。

图8 原始照片和车厢人员数量图

2.5 实际应用效果

监测系统上线后，市民通过该系统能够提前了解运营地铁线路的乘客拥挤状态，适时调整出行状态，合理安排出行时间和计划，让人们能够充分感受轨道交通带给人们出行的便利性，以便更好地吸引公众将搭乘地铁作为首选出行方式，有利于全社会的低碳出行，节能减排。展示举例如表2 所示，应用效果如图9 所示。

图9 车厢现状图与APP拥挤度图

表2 应用效果展示表

同时，该系统也有助于地铁运营单位根据各列车的拥挤程度科学合理地调配资源，合理优化列车运营交路，提高运营服务质量；同时进一步确保运营安全。

3 结论

市轨道交通1 号线监测系统自上线以来，经过三个月的试运行，并从多个维度对应用效果进行评价，发现乘客上、下车用时明显缩短，未出现因车厢拥挤导致乘客进出屏蔽门、车门夹人和乘客踩踏等安全事件，大大降低了轨道交通运营安全风险。另外，乘客利用手机APP 和车站显示系统提前预知即将进站列车车厢的拥挤情况，提前规划出行路线及出行方式，自主选择便捷、快速、舒适的轨道交通出行，选择乘客数量较少的车厢乘坐，有效提高乘客舒适度及满意度，提升地铁乘客服务质量。同时在提升乘客服务质量、优化地面交通、节能环保等方面也带来了积极的影响，进一步提高了城市形象及获得市民的认同感，促进城市智慧化升级。